Auf dem Nvidia AI Day Seoul 2026 im COEX Seoul hat der Halbleiterhersteller neue Ansätze präsentiert, um innerhalb bestehender Strombudgets deutlich mehr Grafikprozessoren zu betreiben. Hintergrund ist der zunehmende Druck auf Betreiber von Rechenzentren, deren Kapazitäten oft durch limitierte Stromanschlüsse begrenzt werden.
Der Cloud-Partner Nscale konnte durch den Einsatz der Technologie DSX maxLPS auf GB300-Serverracks die Anzahl der installierten Grafikprozessoren um rund 37 Prozent erhöhen und die Token-Produktion im selben Strombudget um 50 Prozent steigern.
Dynamische Stromverteilung und offene Plattformstandards
Die vorgestellte DSX-Plattform umfasst Designrichtlinien sowie Open-Source-Software für Rechenzentren und deckt die Bereiche Kühlung, Energieversorgung und Netzwerkarchitektur ab. Innerhalb dieser Plattform dient DSX maxLPS dazu, die verfügbare elektrische Leistung dynamisch zwischen einzelnen Serverracks zu verteilen und Spitzenlasten auszugleichen.
Zusätzlich stellte das Unternehmen NVLink Fusion vor, eine Schnittstelle zur Anbindung von KI-Prozessoren von Drittanbietern an die Nvidia-Infrastruktur. Nach Angaben von Nvidia erfordert die Entwicklung und Einführung eigener Spezialchips typischerweise über eine Milliarde US-Dollar an zusätzlichen Investitionen sowie mehr als ein Jahr Vorlaufzeit für Systemintegration, Netzwerkanbindung und den Aufbau der Lieferkette.
Strommangel bremst Ausbaupläne großer Cloud-Anbieter
In der gesamten Branche verlagert sich der Wettbewerb zunehmend von der reinen Halbleiterbeschaffung hin zu einer effizienteren Nutzung der bereits vorhandenen Rechenressourcen. Führende Cloud-Betreiber wie Microsoft, Google und Amazon Web Services (AWS) beschleunigen derzeit die Entwicklung von Technologien, um mehr Arbeitslasten auf bestehender Hardware zu bewältigen.
Der Vorstandsvorsitzende von Microsoft, Satya Nadella, bezeichnete den Zugang zu Strom und geeigneten Liegenschaften als primäre Engpässe und erklärte, gesicherte Chips teilweise nicht sofort installieren zu können. Dennoch fügte Microsoft in einem Quartal 24 Rechenzentren hinzu und steigerte den Durchsatz für den Assistenten Copilot um 50 Prozent im Vergleich zum Vorquartal.
Während Unternehmen massiv in die Effizienz ihrer KI-Infrastruktur investieren, dürfen die rechtlichen Rahmenbedingungen nicht vernachlässigt werden. Dieser kostenlose Praxis-Guide bietet einen kompakten Überblick über die Anforderungen und Fristen, die der EU AI Act für den Einsatz von KI-Systemen vorschreibt. EU AI Act in 5 Schritten verstehen
Bei AWS führte die verzögerte Bereitstellung von Netzanschlüssen dazu, dass Serverracks mit Nvidia-Hardware im Wert von rund fünf Milliarden US-Dollar vorübergehend eingelagert werden mussten. Google wiederum setzt auf eine maximale Auslastung bestehender Kapazitäten und betreibt ältere TPU-Generationen, die bereits seit sieben bis acht Jahren im Einsatz sind, unter voller Auslastung.
Steigende Auslastung und wachsende Orchestrierungsmärkte
Die Optimierung bestehender Hardware gewinnt auch bei Software- und Infrastrukturanbietern an Bedeutung. Demnach gelten Kennzahlen wie die Kosten pro Token, die Prozessorauslastung, die Latenz und der tatsächlich nutzbare Output in der industriellen Praxis inzwischen als verlässlichere Bewertungsmaßstäbe als die bloße Stückzahl beschaffter Chips.
So erreichte das südkoreanische Unternehmen ACRYL mit seiner Lösung GPUBASE eine Spitzenauslastung von 93 Prozent bei einem Verbund von 1.272 Prozessoren. Das Softwareunternehmen Lablup konnte die Auslastung von 30 Prozent auf 85 Prozent anheben.
Die technologische Entwicklung von KI-Systemen bringt neue regulatorische Pflichten wie Kennzeichnungs- und Dokumentationsregeln mit sich. Erfahren Sie in diesem kostenlosen Umsetzungsleitfaden, welche Risikoklassen für Ihr Unternehmen relevant sind und wie Sie rechtlich auf der sicheren Seite bleiben. Kostenlosen Leitfaden zur KI-Verordnung herunterladen
Auch Technologiespezialist Cadence nutzt Simulationen über digitale Zwillinge, um Kühlung, Stromzufuhr und Prozessoreinstellungen exakt abzustimmen. Eine Absenkung der Leistungsaufnahme auf beispielsweise 80 Prozent des Maximums ermögliche es je nach System, zusätzliche Recheneinheiten zu integrieren und so den Gesamtdurchsatz der Anlage zu erhöhen.
Vor diesem Hintergrund gewinnt das Management von Rechenressourcen auch wirtschaftlich stark an Gewicht. Marktbeobachter von The Business Research Company prognostizieren für den globalen Markt für KI-GPU-Orchestrierung ein durchschnittliches jährliches Wachstum von 27,9 Prozent.
Das Marktvolumen soll von 4,04 Milliarden US-Dollar im Jahr 2026 auf 10,78 Milliarden US-Dollar bis zum Jahr 2030 anwachsen. Zusätzlicher Handlungsdruck entsteht durch lokale Hürden: Bei 40 von 41 lokalen US-Abstimmungen am 3. November 2026 stimmten Bürger für Einschränkungen oder eine Ablehnung neuer Rechenzentren.